Radiomics 기반 예측모형 구축 시 자동화 변수 선택 프레임워크 개발 및 응용 사례 = Development and Application of an Automated Feature Selection Framework in Radiomics-based Prediction Model
저자
발행사항
서울 : 성균관대학교 일반대학원, 2023
학위논문사항
학위논문(석사)-- 성균관대학교 일반대학원 : 디지털헬스학과 2023. 2
발행연도
2023
작성언어
한국어
주제어
발행국(도시)
서울
형태사항
98 ; 26 cm
일반주기명
지도교수: 장동경
UCI식별코드
I804:11040-000000173104
DOI식별코드
소장기관
Radiomics는 의료 영상 이미지에서 관심 영역(Region of interest, ROI)을 형태학적 특성을 수치로 정량화(feature extraction)하고 분석하는 방법으로, 임상 의사 결정의 유용한 도구로 사용되고 있으며, Radiomics feature를 이용한 예측모델 연구도 활발하게 이루어지고 있다.
Radiomics 연구에는 몇 가지 중요한 과정이 있는데, 그 중 하나가 feature selection 과정이다. 임상적 정보가 없는 정량화된 feature가 매우 많기 때문에 feature selection이 필수적이지만, 특별한 기준 없이 3가지 유형(filter, wrapper, embedded methods)이 혼용되어 사용되고 있다.
이는 데이터마다 특성이 다르기 때문에 여러 가지 방법을 사용할 수밖에 없으며, 어떤 방법을 사용할지 선정의 어려움이 있는데, 최적의 feature를 찾기 위해 다양한 feature selection을 탐색적으로 시도하는 것이 중요하다. 따라서 본 연구는 Radiomics의 최적의 feature selection을 위한 자동화 프레임워크를 개발하는 것을 목표로 한다.
Feature 간의 연관성과 중복성을 제어하여 최적의 feature 조합을 빠르게 선택하는 자동화 프레임워크를 개발하였고, 각 단계마다의 정보를 담고 있는 FeatureMap을 생성하고 변수 선택을 위한 플랫폼으로 활용한다. 또한 자동화 프레임워크를 통해 선택된 최적의 Radiomics feature 조합을 이용하여 예측 성능까지 빠르게 탐색할 수 있다.
자동화 프레임워크를 통해 선택된 최적의 feature 조합과 임상 데이터를 결합하여 예측 모델을 개발한다면, 더욱 뛰어난 예측 모델을 개발할 수 있을 것으로 기대한다.
Radiomics is a quantitative approach to medical images, and various Radiomics research have been published for enhancing clinical decision-making, and Radiomics features are used to develop a prediction model as predictors.
There are several important challenges in Radiomics research, one of them is a feature selection. Since the many quantitative features are noninformative, the feature selection is necessary. The feature selection methods have been mixed which filter, wrapper and embedded methods without rule of thumbs. Because the characteristics are different depending on the data, it is difficult to select which method to use when conducting the feature selection. Therefore, this study aims to develop and automate the framework for optimal feature selection in radiomics research.
We developed the automated framework that the optimal features were selected to quickly through controlling relevance and redundancy among features. A 'featureMap' was generated containing information for each step and use it as a platform. Through this framework, we can explore the optimal combination of Radiomics feature and even evaluate the predictive performance using only selected features.
If the prediction model is developed using the optimal combination of features through this framework and other clinical information, we expect that the better prediction model can be developed.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)